大尺度和精細化城市擴展CA的理論與方法探討

王海軍,夏 暢,劉小平,張安琪,4,朱玨然,王慧霞

(1.武漢大學資源與環境科學學院,湖北武漢430079;2.武漢大學教育部地理信息系統重點實驗室,湖北武漢430079; 3.中山大學地理科學與規劃學院,廣東廣州510275;4.北京大學城市規劃與設計學院,廣東深圳518055)

大尺度和精細化城市擴展CA的理論與方法探討

王海軍1,2,夏 暢1,劉小平3*,張安琪1,4,朱玨然1,王慧霞1

(1.武漢大學資源與環境科學學院,湖北武漢430079;2.武漢大學教育部地理信息系統重點實驗室,湖北武漢430079; 3.中山大學地理科學與規劃學院,廣東廣州510275;4.北京大學城市規劃與設計學院,廣東深圳518055)

城市模型研究存在兩個必然趨勢:研究單元由粗糙單元向精細單元轉變,研究范圍由單個城市向城市群、整個國家乃至全球轉變,但在大地理區域上建立精細化的城市模擬模型,兼顧大地理尺度和基本空間單元仍存在較大的難題,它對當前地理模擬的計算能力、數據質量和理論方法等都提出了新的要求。在此背景下,該文從理論、方法和應用研究上總結近年來城市擴展CA領域取得的重要進展和呈現的新特征,并提出構建大尺度和精細化城市模型的關鍵技術及亟待解決的主要問題,以滿足未來城市模型在大數據量和高精度方面的要求。研究得出以下結論:1)耦合CA模型與城市空間相互作用模型,可彌補城市擴展CA在表達城市網絡空間聯系與交互作用上的不足;2)豐富的帶有地理位置信息的地理時空大數據,為開展大尺度和精細化城市擴展模擬研究創造前所未有的機遇;3)設計高性能地理元胞并行技術,可為大尺度和精細化城市CA計算提供高效運算工具;4)有必要探究地理時空數據和地理模擬過程的可靠性,實現對現實世界更為準確的模擬與預測。

城市擴展模擬;CA模型;大尺度;精細單元

0 引言

當今世界正處于快速城市化進程中,城市化現象已引起廣大學者的關注[1-3]。改革開放以來,我國城市化得到高速發展,城市化水平已由1978年的17.9%增長到2015年的56.1%。根據國務院印發的《國家新型城鎮化發展規劃(2014-2020)》,到2020年我國城市化水平將達到60%。城市化是人類生產和生活活動由農村不斷向城市轉移、城市用地空間向外不斷擴大的過程[4]。城市擴展作為城市化過程中最為直接的表現形式,是隨著城市化而出現的建成區不斷向外延伸、面積逐漸增加的現象,近年來成為地理學界高度關注的熱點和難點問題[5-7]。在快速城市化的過程中,我國社會經濟持續高速增長的同時,也帶來了日益嚴峻的人地矛盾,土地已成為制約人類和社會全面發展的重要因素[8]。在我國城市化建設的新階段,深入研究城市擴展過程的驅動機制及其演變規律,對于促進土地資源的合理配置,優化城市空間開發格局,實現區域可持續發展等都具有重大的理論和實踐意義。

20世紀90年代以來,地理計算(Geo-computation)將計量地理的研究推進了一個新的時代,數學模型與模擬實驗相結合的理念逐漸受到學者們的重視。元胞自動機(Cellular Automata,CA)作為一個離散的動力學模型,在模擬復雜非線性問題上具有獨特的優勢[9-11],已成為應用地理學等學科研究的重要工具,在城市擴展模擬[12]、圖像分割[13]、林火蔓延[14]和土地利用變化[15-21]等領域得到了廣泛的應用。城市擴展是元胞自動機應用的一個熱點領域, CA模型作為動態城市空間模型,從微觀角度出發為地理系統模擬提供了一種新的研究視角[22],克服了傳統靜態解析性的城市模型的不足,如中心地模型、空間相互作用模型和系統動力學等。研究表明,CA模型在模擬具有時空動態特征的復雜現象方面具有巨大優勢,能夠通過簡單的局部規則模擬復雜全局現象且可控性較強,特別適合于城市擴展及土地利用變化等復雜系統的模擬[23-25]。

城市用地擴展過程受到自然和人文等因素的綜合影響,其演變過程具有高度復雜性。元胞自動機作為研究復雜系統的一種強有力的時空動態模擬工具,被廣泛應用于城市擴展等具有復雜空間特征的系統模擬研究中,不僅可以再現城市用地演變的歷史格局,還能夠預測不同目標導向下的未來城市擴展情景[26,27]。進入21世紀后,全球化的加速、信息通信技術(ICT s)的快速發展給中國的社會、經濟、體制帶來急劇變革[28-30]。中國作為全球第二大經濟體,城市化給中國經濟的發展提供了廣闊的空間,而以城市集群、網絡化格局為主要形式的快速城市化道路正成為中國城市發展的新特征[31]。城市不再是在封閉系統內孤立發展的個體,研究單個城市系統難以真實和完整地反映城市擴展過程的演變規律和驅動機制,開展城市群、整個國家乃至全球等更大尺度和范圍的城市擴展模擬研究已成為必然趨勢[31,32]。同時,我國大城市發展正逐漸由空間擴展轉為內部改造(如城市更新和舊城改造等),小尺度上的城市空間再開發成為土地利用演變的主要形式[33]。而隨著物聯網和云計算等新一代信息技術的出現,大量帶有地理空間位置信息的城市空間數據和社會經濟微觀數據被獲取、存儲和共享,為開展基于精細地理空間單元的城市模擬研究提供數據機遇[34]。因此當前城市模型研究存在兩個必然趨勢:研究單元由粗糙單元(如超大網格和分區等大尺度研究單元)向精細單元(如街區、地塊、宗地和單體建筑等土地利用的基本空間或屬性地理單元)轉變,研究范圍由單個城市向城市群、整個國家乃至全球轉變。但在大地理區域上建立精細化的城市模擬模型,兼顧大地理尺度和基本空間單元仍存在較大的困難,它對當前地理模擬的計算能力、數據質量和理論方法等都提出了新的要求。在此背景下,本文總結近年來城市擴展CA研究進展,提出構建大尺度和精細化城市模型面臨的主要問題和挑戰,以滿足未來城市擴展模擬在大數據量和高精度方面的要求。

1 城市擴展CA模擬研究現狀

CA模型由美國T obler院士在20世紀70年代首次引入城市研究中,并用于模擬美國五大湖邊底特律地區城市的迅速擴展[35]。之后美國Helen Couclelis教授對CA模型在城市模擬中的理論框架、應用能力與前景作了系統深入的理論分析[36,37],這些研究開啟了元胞自動機模型在城市擴展領域應用的先河。隨后White[38,39]、Batty[40]、Clarke[41]、Takeyama[42]和Wu[43]等先后展開了大量城市CA研究工作,拓展了CA模型的理論框架和應用。隨著GIS技術的發展,CA模型與GIS的集成受到普遍關注,眾多學者將CA模型應用到不同地區的真實城市發展模擬中[44-47]。20世紀90年代末,國內開始基于CA的城市擴展模擬研究,主要集中在CA模型與其他模型的結合進行城市空間演化發展的預測上,黎夏、劉小平、楊青生和何春陽等學者將系統動力學[48]、神經網絡[49,50]、核學習機[51]、多智能體[52-54]和支持向量機[55]等引入CA模型中;陸續出現了一些嵌入地理特征、地理實體等概念和知識的CA模型構建方法,周成虎提出地理元胞自動機(GeoCA)的概念[22],羅平和杜清運等[56]綜合地理特征的幾何和非幾何屬性,建立了地理特征CA概念模型,楊亮潔和薛重生[57]將城市地理實體映射為元胞對象,考慮實體間的作用,構建基于地理實體的城市CA模型。關于擴展元胞自動機的元胞狀態、鄰域定義和轉換規則等方面,周成虎、劉耀林和張顯峰等開展了深入的研究。而隨著地理學的發展及多學科的交叉融合,城市擴展CA研究展現出新的特征,本文擬從以下幾個方面總結近年來城市擴展CA模擬的研究進展與發展趨勢。

在理論研究上,城市CA注重對城市發展特征和地理空間規律的分析和表達。在許多地理分析和建模過程中都存在著不確定性問題,粗集理論[58]和灰色決策[59]等相繼被用于獲取城市CA的轉換規則,能有效反映城市系統的動態性和不確定性;模糊性和隨機性是不確定性中最基本和最重要的兩種形式,模糊理論[60]、蒙特卡羅法[61]和云模型[62]可分別實現對城市擴展的模糊性、隨機性或模糊性-隨機性耦合的充分表達。Goodchild院士曾提出空間異質性是地理學第二定律可能誕生的方向[63],城市擴展呈現典型的非均質性特征,考慮區域差異和障礙空間距離的城市擴展CA模型逐漸得到重視[64-68]。其次,城市CA模型與多學科理論的交叉融合也是當前城市擴展模擬中的一個重要方向,城市擴展過程驅動因素復雜、影響范圍大、涉及學科多,需要綜合集成城市地理學、社會經濟學和景觀生態學等來研究和解決局部、區域乃至全球的問題[17,19,69,70]。

在方法研究上,城市擴展CA與計算機和信息科學技術的結合日益緊密,數據挖掘[58,71-75]、智能算法[75-77]和高性能計算[12]等相繼被引入城市擴展模擬研究中,并在轉換規則與模型參數獲取以及數據計算中發揮愈發重要的作用。當前的城市擴展CA研究,更多集中在對CA模型方法的使用和改進上。轉換規則作為城市CA的核心和關鍵,直接決定了模擬結果的合理性與真實性。制定更合理的轉換規則及優化相應權重參數,以增強CA模型的適應能力和提高對城市系統的擬合度,仍是當前城市擴展模擬研究中的熱點。城市擴展是在不同時空尺度上受多重因素作用的復雜非線性過程,其影響因素和空間尺度的敏感性分析[78-81]是研究城市CA模型的另一重要方向。城市CA模型在結構和表現形式上多是二維空間,難以真實刻畫現代城市立體空間的發展變化,許多學者已開始利用城市空間三維元胞自動機模型(3DCA)進行城市三維動態模擬研究[82,83]。

在應用研究上,城市擴展CA研究注重針對特定的城市發展問題,通過城市擴展情景模擬分析,輔助和引導城市合理增長與健康發展,已在城市土地可持續發展規劃[84,85]、土地利用規劃方案空間預評估[86,87]和城市增長邊界(UGBs)劃定[88]等方面表現出較大的優勢和應用前景。城市CA模型在城市擴展生態效應分析[20,27]與區域環境變化影響評估[19,89]方面也有一些應用,對深刻理解城市化對周邊土地利用/覆蓋變化影響機制具有重大意義。城市擴展CA的研究區域涵蓋發達地區和偏遠地區、內陸地區和沿海地區、高密度城區和城市邊緣區等典型地區[21,90-94],并逐漸在煤礦區[95,96]、濱海地區[26,97,98]、西部干旱區[99]、黃土高原區[100]和喀斯特區[101]等特殊地域中得到應用。城市CA模型應用正向大地理尺度發展,其模擬空間逐漸從局部走向區域乃至全國等更大的范圍,而模擬粒度則趨向街區、地塊、宗地和單體建筑等精細空間單元。

2 城市擴展CA模擬面臨的問題和挑戰

在新的全球化和信息化時代背景下,進一步認識和理解城市地理系統演變的基本機理和規律,建立在大尺度范圍、微觀描述水平上的城市擴展CA模型已成為當前研究的熱點和前沿。本文擬從以下4個方面探討構建大尺度和精細化城市CA模型面臨的主要問題和挑戰,以滿足未來城市擴展模擬在大數據量和高精度方面的需求。研究框架見圖1。

圖1 大尺度和精細化城市擴展CA研究框架Fig.1 Research framework of fine-scale urban expansion cellular automata for the large regions

2.1 城市網絡空間聯系與交互作用的定量表達

城市網絡的多向空間聯系與交互作用是開展城市群、國家乃至全球等大地理尺度范圍內的城市擴展模擬研究需要解決的首要問題。21世紀全球進入社會大轉型時期,以特大城市或大城市為中心構成的城市集合體正不斷涌現和發育,并成為國家參與全球競爭與國際分工的全新地域單元[3,31]。以城市群為主題的快速城市化路徑已成為中國城市發展的新特征,中心城市間的空間聯系日益增強,依托高度便捷的交通條件和基礎設施,地理要素逐漸向城市間的交通干線聚集,逐漸形成“以線穿點,以點帶面,點線面耦合”、覆蓋周圍一定數量中小型城市的區域空間體系。現有城市擴展模擬研究通常將城市看作孤立發展的個體,較少考慮城市間的空間交互影響和網絡格局,難以真實地反映區域一體化背景下的城市群發展狀況。城市群是推進國家新型城鎮化的主體形態和驅動國家經濟發展的新增長極,城市群聯合擴展將成為今后城市化發展的主要表現形式。面向國家和區域可持續發展,針對全球一體化背景下日益顯著的城市集群化和網絡化現象,亟須深入研究我國城市群聯合擴展時空演變規律,揭示城市空間相互作用特征和聯動增長機制[32]。城市空間相互作用模型可較好地反映城市間空間交互影響的作用機制和客觀規律,目前研究采用較多的為城市流模型、重力模型、潛力模型、斷裂點模型、輻射模型和偏離份額模型等。耦合CA模型與城市空間相互作用模型可彌補城市擴展CA在表達城市網絡空間聯系與交互作用上的不足,為開展大尺度和精細化城市擴展模擬研究提供基礎。

2.2 結合地理時空大數據與城市擴展CA

地理時空大數據與地理元胞自動機模型結合,為開展大尺度和精細化城市擴展模擬研究創造了前所未有的機遇。大數據是繼云計算和物聯網等新一代信息技術后全球社會面臨的又一次顛覆性技術革命,信息時代的大數據已滲透到全球范圍內社會經濟的各個領域,給人們的生活、工作和思維帶來了一場重大的變革,同時也給社會科學研究開啟了新范式的轉型機遇[29,34,102]。當前城市擴展CA模擬研究更多集中在CA模型方法的使用和改進上,對人口現狀、經濟發展特征以及政府政策等社會經濟影響因素涉及較少,缺乏與城市演變過程的真正融合。大數據使得制約傳統科學研究的數據缺乏不再成為問題,基于定位功能的移動信息設備(智能手機、GPS等)及互聯網技術的逐漸成熟,可提供豐富的帶有地理空間位置信息的城市空間數據和社會經濟微觀數據;加之其數據規模龐大、細節豐富、覆蓋面廣,可為開展大尺度和精細化模擬提供研究基礎。應用地理時空大數據進行城市研究已成為學者們普遍關注的熱點和難點,目前研究主要集中在對用戶位置數據(包括Twitter、Facebook和新浪微博等社交網絡數據、公交刷卡數據、智能手機通話數據和興趣點POI數據等)的挖掘和分析上[33,103-105]。結合地理時空大數據與城市擴展CA,可利用新浪微博等社交數據分析城市間的內在聯系和刻畫城市群網絡結構[106-109],運用網絡密度和中心性分析預測城市擴展的新中心,彌補城市擴展CA對孤立式發展模擬能力的不足;可利用手機定位與通話數據模擬居民的出行軌跡,結合居民情感和活動進行城市中心區和功能區劃分[110,111],耦合城市規劃制定分區轉換規則;可利用經濟和人口普查等大數據實現對GDP和人口分布的精細刻畫,加強城市擴展CA對社會經濟因素的表達,實現與城市演變過程的深入融合等[34,112]。

2.3 高性能并行元胞自動機

高性能地理元胞并行計算技術,可為城市擴展CA計算提供高效工具,以滿足大尺度和精細化城市CA模型在大數據量處理方面的要求。隨著城市擴展模擬研究趨向大地理尺度和精細化單元發展,城市CA的數據量和計算時間將呈指數級增長,在實際應用中難以滿足高效快速運算的要求,迫切需要開展城市擴展CA高性能計算。在現代高性能計算技術框架的支撐下,設計和開發出高效率的CA并行運算算法,可解決原有串行計算模式面臨的速度瓶頸問題,從而達到高性能空間計算的目標,實現基于高分辨率數據的城市群、國家乃至全球范圍的城市擴展模擬。目前圖形處理器(Graphic Processing Unit,GPU)具有先天的并行計算特性,在處理大數據量的簡單邏輯運算中具有CPU不能及的優勢[113,114]。結合GPU通用計算技術與地理元胞自動機構建GPU-CA模型,可在保證模擬結果有效性的基礎上大大提高計算效率[12]。在現有的CPU/ GPU異構高性能計算平臺下,使用MPI、OpenMP或MPI/OpenMP混合模型以耦合GPU集群與CA模型,可更有效地提高計算性能和擴大數據處理規模。云計算是以分布式處理、并行處理和網格計算等虛擬化技術為基礎的一種新興的超級計算模式,具有靈活、高效、低成本等特征,用戶不需要購置大量的基礎設施就可享受超級計算機的處理能力[115]。結合已有的城市擴展CA并行運算算法,設計云環境下的城市CA高性能處理和分析構架,可滿足大尺度和精細化城市擴展模擬對海量地理時空數據快速處理的需求。

2.4 城市擴展CA可靠性研究

開展城市擴展CA可靠性研究,可識別地理時空數據及CA模型在城市模擬過程中的誤差傳遞和不確定性,為大尺度和精細化模擬提供結果驗證和可靠性評價。可靠性的概念源于對產品在規定的時間和條件下完成規定功能的描述[116]。在地理數據廣泛應用及風險規避意識日漸增強的背景下,史文中等結合工程和生命科學中的可靠性概念及地理信息科學的特點,首次提出可靠性空間分析的理論框架及關鍵技術,促進不確定性空間分析向可靠性研究發展,并將其應用于地理國情信息的動態監測與質量控制中[117]。城市CA模型越來越多地被用來模擬復雜城市系統,但模型的可靠性和不確定性分析卻呈現明顯的不足和滯后[61]。有必要探討城市擴展CA模擬研究中的誤差源及其傳播機理,旨在減少不確定性,提高城市擴展模擬過程及結果的可靠性。城市擴展模擬通常需要使用大量的地理數據,其模擬過程與結果受數據源誤差、研究方法及模型結構不確定性的影響。城市擴展CA可靠性分析就是對城市擴展過程的演變機理構建可靠性分析和質量控制理論與方法,從而實現對現實世界更為準確的動態模擬、預測及評估,以獲取更高質量的信息和知識來有效輔助規劃決策。

3 結論

元胞自動機作為一種強有力的時空動態模擬工具,被廣泛應用于城市擴展等具有復雜空間特征的系統模擬研究中。隨著全球一體化的推進和大數據時代的到來,以單一城市為對象的孤立城市系統研究已難以反映區域網絡格局下真實的城市發展狀況,基于地塊或更細小的地理單元對城市群及更大空間尺度上的城市聯合擴展進行模擬,已成為未來城市CA研究的重要趨勢。本文得出以下結論:1)耦合CA模型與城市空間相互作用模型,可彌補城市擴展CA在表達城市網絡空間聯系與交互作用上的不足;2)大數據可提供豐富的帶有地理位置信息的空間數據,為開展大尺度和精細化城市擴展模擬研究創造前所未有的機遇;3)設計高性能地理元胞并行技術,可大幅度提高城市擴展CA的運算效率,為大尺度和精細化城市CA計算提供高效工具;4)有必要探究地理時空數據和地理模擬過程的可靠性,以規避系統誤差和隨機誤差對模擬結果的影響。

[1] WANG H J,HE Q Q,LIU X,et al.Global urbanization research from 1991 to 2009:A systematic research review[J].Landscape and Urban Planning,2012,104(3-4):299-309.

[2] 顧朝林,吳莉婭.中國城市化研究主要成果綜述[J].城市問題, 2008(12):2-12.

[3] 方創琳.中國城市群研究取得的重要進展與未來發展方向[J].地理學報,2014,69(8):1130-1144.

[4] 方創琳,陳田,劉盛和.走進新時代的中國城市地理學——建所70周年城市地理與城市發展研究成果及展望[J].地理科學進展,2011,30(4):397-408.

[5] 薛德升,王立.1978年以來中國城市地理研究進展[J].地理學報,2014,69(8):1117-1129.

[6] 許彥曦,陳鳳,濮勵杰.城市空間擴展與城市土地利用擴展的研究進展[J].經濟地理,2007,27(2):296-301.

[7] 郭月婷,廖和平,彭征.中國城市空間拓展研究動態[J].地理科學進展,2009,28(3):370-375.

[8] 劉紀遠,匡文慧,張增祥,等.20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J].地理學報,2014,69(1):3-14.

[9] HE Q Q,DAI L,ZHANG W T,et al.An unsupervised classifier for remote-sensing imagery based on improved cellular automata [J].International Journal of Remote Sensing,2013,34(21): 7821-7837.

[10] LIU X,LI X,SHI X,et al.Simulating complex urban development using kernel-based non-linear cellular automata[J].Ecological M odelling,2008,211(1):169-181.

[11] 王海軍,鄧羽,張文婷,等.利用元胞自動機和遺傳算法的VORONOI圖生成[J].武漢大學學報(信息科學版),2010 (7):778-781.

[12] LI X,ZHANG X H,YEH A G O,et al.Parallel cellular automata for large-scale urban simulation using load-balancing techniques[J].International Journal of Geographical Information Science,2010,24(6):803-820.

[13] 王海軍,張文婷,賀三維,等.利用元胞自動機和模糊C均值進行圖像分割[J].武漢大學學報(信息科學版),2010,35(11): 1288-1291.

[14] 王海軍,張文婷,陳瑩瑩,等.利用元胞自動機作用域構建林火蔓延模型[J].武漢大學學報(信息科學版),2011(5):575-578.

[15] 劉小平,黎夏,彭曉鵑.“生態位”元胞自動機在土地可持續規劃模型中的應用[J].生態學報,2007,27(6):2391-2402.

[16] 馮永玖,劉艷,韓震.不同樣本方案下遺傳元胞自動機的土地利用模擬及景觀評價[J].應用生態學報,2011,22(4):957-963.

[17] 張利,周亞鵬,門明新,等.基于不同種類生態安全的土地利用情景模擬[J].農業工程學報,2015,31(5):308-316.

[18] 熊利亞,常斌,周相廣.基于地理元胞自動機的土地利用變化研究[J].資源科學,2005,27(4):38-43.

[19] 何玲,賈啟建,李超,等.基于生態系統服務價值和生態安全格局的土地利用格局模擬[J].農業工程學報,2016(3):275-284.

[20] 吳健生,馮喆,高陽,等.基于DLS模型的城市土地政策生態效應研究——以深圳市為例[J].地理學報,2014,69(11):1673 -1682.

[21] 譚永忠,吳次芳,牟永銘,等.經濟快速發展地區縣級尺度土地利用空間格局變化模擬[J].農業工程學報,2006,22(12):72 -77.

[22] 周成虎,歐陽,馬廷,等.地理系統模擬的CA模型理論探討[J].地理科學進展,2009,28(6):833-838.

[23] LIU X,MA L,LI X,et al.Simulating urban growth by integrating landscape expansion index(LEI)and cellular automata[J].International Journal of Geographical Information Science,2013, 28(1):148-163.

[24] 劉倫,龍瀛,麥克·巴蒂.城市模型的回顧與展望——訪談麥克·巴蒂之后的新思考[J].城市規劃,2014,38(8):63-70.

[25] SANTE I,GARCIA A M,MIRANDA D,et al.Cellular automata models for the simulation of real-world urban processes:A review and analysis[J].Landscape and Urban Planning,2010,96 (2):108-122.

[26] 黃煥春,運迎霞,苗展堂,等.城市擴展影響下生態系統服務的多情景模擬和預測——以天津市濱海地區為例[J].應用生態學報,2013,24(3):697-704.

[27] 王祺,蒙吉軍,毛熙彥.基于鄰域相關的漓江流域土地利用多情景模擬與景觀格局變化[J].地理研究,2014,33(6):1073-1084.

[28] 張濤.大數據帶來的變革及應對策略[J].高科技與產業化, 2013,9(5):58-61.

[29] 甄峰,秦蕭,王波.大數據時代的人文地理研究與應用實踐[J].人文地理,2014(3):1-6.

[30] 甄峰,秦蕭,席廣亮.信息時代的地理學與人文地理學創新[J].地理科學,2015,35(1):11-18.

[31] 方創琳,周成虎,顧朝林,等.特大城市群地區城鎮化與生態環境交互耦合效應解析的理論框架及技術路徑[J].地理學報, 2016(4):531-550.

[32] 何建華,施璇,龔健,等.顧及空間交互作用的城市群聯動空間增長模擬——以武漢都市區為例[J].武漢大學學報(信息科學版),2016(4):462-467.

[33] 龍瀛,吳康,王江浩,等.大模型:城市和區域研究的新范式[J].城市規劃學刊,2014(6):52-60.

[34] 龍瀛,茅明睿,毛其智,等.大數據時代的精細化城市模擬:方法、數據和案例[J].人文地理,2014(3):7-13.

[35] TOBLER W R.Compute movie simulating urban growth in DET ROIT region[J].Economic Geography,1970,46(2):234-240.

[36] COUCL ELIS H.Cellular worlds:A framework for modeling micro-macro dynamics[J].Environment and PlanningA, 1985,17(5):585-596.

[37] COUCL ELIS H.From cellular automata to urban models:New principles for model development and implementation[J].Environment and Planning B-Planning&Design,1997,24(2): 165-174.

[38] WHITE R,ENGELEN G.Cellular automata as the basis of integ rateddynamicregionalmodelling[J].Environmentand Planning B-Planning&Design,1997,24(2):235-246.

[39] WHIT E R,ENGELEN G.Cellular-automata and fractal urban form—a cellular modeling approach to the evolution of urban land-use patterns[J].Environment and Planning A,1993,25 (8):1175-1199.

[40] BATT Y M,XIE Y.From cells to cities[J].Environment and Planning B-Planning&Design,1994,21:531-538.

[41] CLARKE K C,HOPPEN S,GAYDOS L.A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area[J].Environment and Planning B-Planning &Design,1997,24(2):247-261.

[42] T AKEYAMA M,COUCLELIS H.Map dynamics:Integrating cellular automata and GIS through Geo-Algebra[J].International Journal of Geographical Information Science,1997,11 (1):73-91.

[43] WU F L.SimLand:A prototype to simulate land conversion through the integrated GIS and CA with AHP-derived transition rules[J].International Journal of Geographical Information Science,1998,12(1):63-82.

[44] BENENSON I,TORRENS P M.A Minimal Prototype for Integrating GIS and Geog raphic Simulation through Geographic Automata Systems[M].Florida:CRC Press,2005.347-367.

[45] LI X,ANTHONY G O Y.Cellular automata for simulating complex land use systems using neural networks[J].Geographical Research,2005,24(1):19-27.

[46] MAHINY A S,GHOLAMALIFARD M.Dynamic spatial modeling of urban growth through cellular automata in a GIS environment[J].International Journal of Environmental Research, 2007,1(3):272-279.

[47] SYPHARD A D,CLARKE K C,FRANKLIN J.Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California[J].Ecological Complexity,2005,2(2):185-203.

[48] 何春陽,史培軍,陳晉,等.基于系統動力學模型和元胞自動機模型的土地利用情景模型研究[J].中國科學D輯(地球科學),2005,35(5):464-473.

[49] 黎夏,葉嘉安.基于神經網絡的單元自動機CA及真實和優化的城市模擬[J].地理學報,2002,57(2):159-166.

[50] 黎夏,葉嘉安.基于神經網絡的元胞自動機及模擬復雜土地利用系統[J].地理研究,2005,24(1):19-27.

[51] 劉小平,黎夏.從高維特征空間中獲取元胞自動機的非線性轉換規則[J].地理學報,2006,61(6):663-672.

[52] 楊青生,黎夏.多智能體與元胞自動機結合及城市用地擴張模擬[J].地理科學,2007,27(4):542-548.

[53] 劉小平,黎夏,艾彬,等.基于多智能體的土地利用模擬與規劃模型[J].地理學報,2006,61(10):1101-1112.

[54] 劉小平,黎夏,葉嘉安.基于多智能體系統的空間決策行為及土地利用格局演變的模擬[J].中國科學D輯(地球科學), 2006,36(11):1027-1036.

[55] 楊青生,黎夏.基于支持向量機的元胞自動機及土地利用變化模擬[J].遙感學報,2006,10(6):836-846.

[56] 羅平,杜清運,雷元新,等.地理特征元胞自動機及城市土地利用演化研究[J].武漢大學學報(信息科學版),2004,29(6): 504-507.

[57] 楊亮潔,薛重生.基于地理實體的城市元胞自動機模型研究[J].北京理工大學學報(社會科學版),2009,11(1):80-84.

[58] 楊青生,黎夏.基于粗集的知識發現與地理模擬——以深圳市土地利用變化為例[J].地理學報,2006,61(8):882-894.

[59] 劉耀林,劉艷芳,明冬萍.基于灰色局勢決策規則的元胞自動機城市擴展模型[J].武漢大學學報(信息科學版),2004,29 (1):7-13.

[60] 舒幫榮,劉友兆,張鴻輝,等.集成變權與約束性模糊CA的城鎮用地擴張情景模擬[J].武漢大學學報(信息科學版),2013, 38(4):498-504.

[61] 黎夏,葉嘉安,劉濤,等.元胞自動機在城市模擬中的誤差傳遞與不確定性的特征分析[J].地理研究,2007,26(3):443-451.

[62] WANG H,HE S,LIU X,et al.Simulating urban expansion using a cloud-based cellular automata model:A case study of Jiangx ia,Wuhan,China[J].Landscape and U rban Planning,2013,110:99-112.

[63] GOODCHILD M F.The validity and usefulness of laws in geographic information science and geography[J].Annals of the Association of American Geographers,2004,94(2):300-303.

[64] 王海軍,賀三維,張文婷,等.顧及障礙空間距離和區域差異的元胞自動機城市擴展模型構建[J].武漢大學學報(信息科學版),2011(8):999-1002.

[65] 劉耀彬,戴璐,董玥瑩.環鄱陽湖區分區土地利用景觀格局變化模擬研究[J].長江流域資源與環境,2015,24(10):1762-1770.

[66] 柯新利,鄧祥征,劉成武.基于分區異步元胞自動機模型的耕地利用布局優化——以武漢城市圈為例[J].地理科學進展, 2010,29(11):1442-1450.

[67] 喬紀綱,何晉強.基于分區域的元胞自動機及城市擴張模擬[J].地理與地理信息科學,2009,25(3):67-70.

[68] 吳巍,周生路,魏也華,等.空間異質模型在城市擴展模擬中的應用與評估[J].湖南大學學報(自然科學版),2013,40(12): 114-119.

[69] 榮月靜,張慧,趙顯富.基于MCE-CA耦合模型的嘉興市土地利用預測情景下生態敏感性評價[J].農業資源與環境學報, 2015(4):343-353.

[70] 張巖,陳云浩,李京.人口條件約束下的城市元胞自動機模型研究[J].中國圖象圖形學報,2007,12(8):1483-1488.

[71] YANG J,T ANG G,CAO M,et al.An intelligent method to discover transition rules for cellular automata using bee colony optimisation[J].International Journal of Geographical Information Science,2013,27(10):1849-1864.

[72] LIU X,LI X,LIU L,et al.A bottom-up approach to discover transition rules of cellular automata using ant intelligence[J]. International Journal of Geographical Information Science, 2008,22(11-12):1247-1269.

[73] 馮永玖,劉妙龍.一種基于機器學習的城市發展模擬元胞模型[J].測繪科學,2011,36(3):216-218.

[74] 黎夏,葉嘉安.知識發現及地理元胞自動機[J].中國科學(D輯:地球科學),2004,34(9):865-872.

[75] CAO M,T ANG G,SHEN Q,et al.A new discovery of transition rules for cellular automata by using cuckoo search algorithm[J].International Journal of Geographical Information Science,2015,29(5):1-19.

[76] LIU X,LI X,SHI X,et al.A multi-type ant colony optimization(M ACO)method for optimal land use allocation in large areas[J].International Journal of Geographical Information Science,2012,26(7):1325-1343.

[77] LIU X,LI X,SHI X,et al.Simulating land-use dynamics under planning policies by integrating artificial immune systems with cellular automata[J].International Journal of Geographical Information Science,2010,24(5):783-802.

[78] LI X,LIU X,YU L.A systematic sensitivity analysis of constrained cellular automata model for urban growth simulation based on different transition rules[J].International Journal of Geog raphical Information Science,2014,28(7):1317-1335.

[79] LONG Y,SHEN Z,MAO Q.Retrieving spatial policy parameters from an alternative plan using constrained cellular automata and regionalized sensitivity analysis[J].Environment and Planning B:Planning and Design,2012,39(3):586-604.

[80] HALDER C,BACHNIAK D,MADEJ L,et al.Sensitivity analysis of the finite difference 2-D cellular automata model for phase transformation during heating[J].ISIJ International,2015,55(1):285 -292.

[81] BILOTT A G,CAPPELLO A,HERAULT A,et al.Sensitivity analysis of the M AGFLOW cellular automaton model for lava flow simulation[J].Environmental Modelling&Software, 2012,35:122-131.

[82] BENGUIGUI L,CZAMANSKI D,ROTH R.Modeling cities in 3D:A cellular automaton approach[J].Environment and Planning B-Planning&Design,2008,35(3):413-430.

[83] 秦靜,方創琳,王洋.基于元胞自動機的城市三維空間增長仿真模擬[J].地球信息科學學報,2013(5):662-671.

[84] 楊青生,黎夏.基于動態約束的元胞自動機與復雜城市系統的模擬[J].地理與地理信息科學,2006,22(5):10-15.

[85] 龍瀛,毛其智,沈振江,等.綜合約束CA城市模型:規劃控制約束及城市增長模擬[J].城市規劃學刊,2008(6):83-91.

[86] 楊娟,王昌全,夏建國,等.基于元胞自動機的土地利用空間規劃輔助研究——以眉山市東坡區為例[J].土壤學報,2010,47 (5):847-856.

[87] 馬世發,艾彬,念沛豪.基于約束性CA的土地利用規劃預評估及警情探測[J].地理與地理信息科學,2014,30(4):51-55.

[88] 龍瀛,韓昊英,毛其智.利用約束性CA制定城市增長邊界[J].地理學報,2009,64(8):999-1008.

[89] 匡文慧,劉紀遠,邵全琴,等.區域尺度城市增長時空動態模型及其應用[J].地理學報,2011,66(2):178-188.

[90] 田義超,梁銘忠,任志遠.城鄉過渡區土地利用變化模擬與生態風險時空異質性特征[J].環境科學研究,2013,26(5):540 -548.

[91] 蒙吉軍,嚴汾,趙春紅.大城市邊緣區土地利用變化模擬研究——以北京市昌平區為例[J].應用基礎與工程科學學報, 2010,18(2):197-208.

[92] 李明杰,錢樂祥,吳志峰,等.廣州市海珠區高密度城區擴展SLEUT H模型模擬[J].地理學報,2010,65(10):1163-1172.

[93] 何丹,金鳳君,蔡建明.近20年京津廊坊地區城市增長模擬和預測研究[J].經濟地理,2011,31(1):7-13.

[94] 崔福全,徐新良,孫希華.上海城市空間擴展過程模擬預測的多模型對比[J].生態學雜志,2012,31(10):2703-2708.

[95] 王行風,汪云甲.采煤驅動下的礦區土地利用演化模擬和預測[J].金屬礦山,2011(1):132-135.

[96] 王行風,汪云甲,李永峰.基于生命周期理論的煤礦區土地利用演化模擬[J].地理研究,2009,28(2):379-390.

[97] 楊俊,裴穎,席建超,等.基于BDI決策的MAS-CA模型黃海海濱城鎮格局模擬研究——以大連金石灘為例[J].地理科學,2016(3):410-416.

[98] 黃煥春,運迎霞.基于改進logistic-CA的城市形態多情景模擬預測分析——以天津濱海地區為例[J].地球信息科學學報, 2013,15(3):380-388.

[99] 李俊,董鎖成,李宇,等.寧蒙沿黃地帶城鎮用地擴展驅動力分析與情景模擬[J].自然資源學報,2015(9):1472-1485.

[100] 曾永年,靳文憑,王慧敏,等.青海高原東部土地利用變化模擬與景觀生態風險評價[J].農業工程學報,2014(4):185-194.

[101] 王磊,王羊,蔡運龍.土地利用變化的ANN-CA模擬研究——以西南喀斯特地區貓跳河流域為例[J].北京大學學報(自然科學版),2012,48(1):116-122.

[102] 吳志峰,柴彥威,黨安榮,等.地理學碰上“大數據”:熱反應與冷思考[J].地理研究,2015,34(12):2207-2221.

[103] LYNCH C.Big data:How do your data grow?[J].Nature, 2008,455(7209):28-29.

[104] FU NG I C,T SE Z T H,FU K.Converting big data into public health[J].Science,2015,347(6222):620.

[105] BOYD D,CRAWFORD K.Critical questions for big data:Provocations for a cultural,technological,and scholarly phenomenon[J].Information,Communication&Society,2012,15(5): 662-679.

[106] 蔣大亮,孫燁,任航,等.基于百度指數的長江中游城市群城市網絡特征研究[J].長江流域資源與環境,2015,24(10): 1654-1664.

[107] 隋正偉,鄔倫,劉瑜.基于簽到數據的城市間交互網絡研究[J].地理與地理信息科學,2013,29(6):1-6.

[108] 陳映雪,甄峰,王波,等.基于社會網絡分析的中國城市網絡信息空間結構[J].經濟地理,2013,33(4):56-63.

[109] 甄峰,王波,陳映雪.基于網絡社會空間的中國城市網絡特征——以新浪微博為例[J].地理學報,2012,67(8):1031-1043.

[110] 陳映雪,甄峰.基于居民活動數據的城市空間功能組織再探究——以南京市為例[J].城市規劃學刊,2014(5):72-78.

[111] 王波,甄峰,張浩.基于簽到數據的城市活動時空間動態變化及區劃研究[J].地理科學,2015,35(2):151-160.

[112] 李德仁,張良培,夏桂松.遙感大數據自動分析與數據挖掘[J].測繪學報,2014,43(12):1211-1216.

[113] 尹靈芝,朱軍,王金宏,等.GPU-CA模型下的潰壩洪水演進實時模擬與分析[J].武漢大學學報(信息科學版),2015,40 (8):1123-1129.

[114] 趙斯思,周成虎.GPU加速的多邊形疊加分析[J].地理科學進展,2013,32(1):114-120.

[115] 李喬,鄭嘯.云計算研究現狀綜述[J].計算機科學,2011,38 (4):32-37.

[116] 史文中,陳江平,詹慶明,等.可靠性空間分析初探[J].武漢大學學報(信息科學版),2012,37(8):883-887,991.

[117] 史文中,秦昆,陳江平,等.可靠性地理國情動態監測的理論與關鍵技術探討[J].科學通報,2012(24):2239-2248.

Theoretical and Methodological Perspectives of Fine-Scale Urban Expansion Cellular Automata for the Large Regions

WANG Hai-jun1,2,XIA Chang1,LIU Xiao-ping3,ZHANG An-qi1,4,ZHU Jue-ran1,WANG Hui-xia1
(1.School of Resource and Environmental Science,Wuhan University,Wuhan 430079; 2.Key Laboratory of Geographic Inf ormation Systems,Ministry of Education,Wuhan University,Wuhan 430079; 3.School of Geography and Planning,Sun Yat-Sen University,Guangzhou510275; 4.School ofUrban Planning and Design,Peking University,Shenzhen518055,China)

There are two inexorable trends in researches on urban model:that is research unit shifting from rough towards finescale unit,and the field of study ranging from a single city,to city clusters,the entire nation,and even the world as a whole. However,great difficulty remains in the establishment of fine-scale urban simulation models designed for large geographic areas.T he scale of large geography and basic spatial unit need to be taken into consideration,which sets new requirements for the computing power,data quality,statistics and methodology of geological simulation.Under this background,this paper summarizes major breakthroughs and new features in cellular automata of urban expansion in recent years from aspects of theory,methods and application research.It also proposes developing the key technology of refining city model with large scale and the main urgent questions,in order to meet the requirements of future city model in big data and high-accuracy.The paper draws the following conclusions:1)integrating urban spatial interaction model and geographical cellular automata could cover the shortage of urban expansion cellular automata in showing the space connection and interaction of urban network;2)abundant geographic spatiotemporal data provides unprecedented opportunities for simulation research in fine-scale urban expansion with large scale; 3)high-performance parallel computing technology of geographical cellular automata could serve as efficient computing tool for refining urban expansion with large scale;4)exploring the reliability of geographic spatiotemporal data and geographical simulation process is necessary to achieve more accurately simulating and predicting the real world.

urban expansion simulation;cellular automata;large regions;fine-scale unit

F291;T P301

A

1672-0504(2016)05-0001-08

10.3969/j.issn.1672-0504.2016.05.001

2016-07-15;

2016-08-09

國家自然科學基金項目(41571384)

王海軍(1972-),男,博士,教授,主要從事地理模擬、土地利用規劃和土地資源評價等方面的研究。*通訊作者E-mail:liux p3@mail.sysu.edu.cn